基于特征融合的车辆检测算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 车辆检测研究的背景及意义 | 第15-16页 |
| 1.2 国内外的研究现状 | 第16-19页 |
| 1.2.1 国外研究现状 | 第17-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 本文的主要工作与内容安排 | 第19-21页 |
| 第二章 车辆检测特征描述算子研究 | 第21-37页 |
| 2.1 HOG特征 | 第22-26页 |
| 2.2 SIFT特征 | 第26-30页 |
| 2.3 Haar-like特征 | 第30-32页 |
| 2.4 局部二值模式算子特征 | 第32-35页 |
| 2.5 阴影特征和对称性特征 | 第35-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 机器学习方法研究 | 第37-48页 |
| 3.1 支持向量机 | 第37-43页 |
| 3.1.1 线性可分支持向量机 | 第37-40页 |
| 3.1.2 线性不可分支持向量机 | 第40页 |
| 3.1.3 非线性支持向量机 | 第40-42页 |
| 3.1.4 SVM的参数优化 | 第42-43页 |
| 3.2 自适应增强算法 | 第43-46页 |
| 3.3 级联分类器 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 多特征融合和交叉核SVM的车辆检测方法 | 第48-63页 |
| 4.1 引言 | 第48页 |
| 4.2 车辆检测方法综述 | 第48-50页 |
| 4.3 特征提取 | 第50-52页 |
| 4.3.1 多层次垂直导向梯度特征 | 第50-52页 |
| 4.3.2 局部二值模式 | 第52页 |
| 4.4 主元分析 | 第52-53页 |
| 4.5 直方图交叉核SVM | 第53-54页 |
| 4.6 检测窗口融合 | 第54-55页 |
| 4.7 实验结果及分析 | 第55-62页 |
| 4.7.1 数据集 | 第55-57页 |
| 4.7.2 特征融合性能分析 | 第57-58页 |
| 4.7.3 评价指标 | 第58-61页 |
| 4.7.4 实验结果 | 第61-62页 |
| 4.8 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63-64页 |
| 5.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第70-71页 |
